利用深度神经网络评估卵巢癌细胞系共培养中的特征提取

数据集获取

源站：https://doi.org/10.48723/w09z-7781

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

该数据集提供了卵巢癌与成纤维细胞系多种共培养实验的详细成像数据，并使用了多种药物进行处理。其结构化的组织方式和全面的命名规范便于数据的浏览和分析。图像使用FIMM Oncology Library中的528种药物处理，以研究在成纤维细胞存在下药物对癌细胞形态的影响。该数据集包含二维共培养高内涵筛选数据的图像，格式为.tiff。图像使用Opera Phenix以10倍放大率采集。数据集共包含245,760张原始图像（包括4个视野），每张图像的分辨率为1080x1080像素。在初步分析中，图像被直接读入CellProfiler，这是一个专为高通量图像分析设计的软件平台。为便于神经网络处理，每张图像均使用Python 3和Python Imaging Library (PIL)转换为NumPy数组。该数据集可通过五个独立的ZIP压缩包下载：Kuramochi_BjhTERT.zip (93.68 GB)、Kuramochi_WI38.zip (93.50 GB)、MH_BjhTERT.zip (62.22 GB)、OvCar3_BjhTERT.zip (84.98 GB)、OvCar8_WI38.zip (91.89 GB)。

有关文件结构的说明，请参见相关的文档文件Dataset_Description.pdf。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。